Expertos del sector se reúnen para reflexionar y destacar en la era de los Agentes de IA

null

Hoy en día, la economía de agentes ya no es un concepto de ciencia ficción; lo que trae no es solo un salto en eficiencia, sino también una reconfiguración y redistribución de las formas de organización económica. En particular, el proyecto de código abierto OpenClaw se ha vuelto viral en todo el mundo, impulsando aún más a los modelos grandes para que pasen de los laboratorios a aplicaciones a escala, y todas las partes compiten por entrar en la “guerra de la puerta de acceso” a los agentes.

Entonces, ¿qué modelo grande debería elegir? ¿Los recursos de tokens serán suficientes para un uso a largo plazo? ¿No seguir la tendencia de OpenClaw (langosta) significa que serás descartado por la época? En esta transformación acelerada de la IA, ¿cómo debería actuar una persona y abrirse paso?

Con estas preguntas, el 3 de abril, Xujiahui Tech, la Asociación de Consenso Distribuido de Shanghái, PANews y el despacho de abogados ManKun celebraron conjuntamente un evento temático llamado “No te angusties por ‘la langosta’”.

Durante la charla temática “Adoptando la ola de IA impredecible”, Li Chenxing, arquitecto jefe de Conflux Tree, señaló que, en la etapa actual, la tendencia inevitable es dar más autonomía a la IA, en lugar de restringirla en exceso con la experiencia limitada de los humanos. Los problemas de “falta de consideración” que actualmente muestra la IA se deben, en esencia, a que en entornos complejos le cuesta capturar de manera estable y recordar de forma continua las restricciones clave del contexto. Desde la estructura técnica, la IA depende principalmente de la memoria de parámetros, la memoria de contexto y la memoria externa; sin embargo, aún existen problemas como dificultad para actualizar, ventanas limitadas e insuficiencia de eficiencia de invocación. Por lo tanto, en el futuro se debería priorizar el fortalecimiento de la capacidad de invocación de memoria externa, explorar mecanismos de aprendizaje continuo y reutilización de experiencias, y acumular gradualmente memoria basada en experiencias mediante la práctica en dominios verticales, con el fin de mejorar la integridad y confiabilidad de las decisiones de la IA en entornos reales complejos.

También indicó que, actualmente, los avances principales de la IA se reflejan en el fortalecimiento de la capacidad de análisis y reflexión autónomos; en el futuro, con la mejora de la capacidad de memoria, es posible superar cuellos de botella clave e impactar profundamente a diversas industrias. Por ejemplo, hoy en día el potencial en sistemas de identidad digital y pagos digitales está limitado durante mucho tiempo por los umbrales de desarrollo y de los usuarios, mientras que la IA podría liberar ese valor al reducir costos de desarrollo y reemplazar el proceso de aprendizaje del usuario mediante agentes. En general, la IA no debería verse como una amenaza laboral, sino como una herramienta clave para impulsar la mejora de la productividad y la aparición de nuevas oportunidades; las personas y las industrias deberían mantener una mentalidad abierta, explorando de manera proactiva rutas de integración con IA.

Según Feng Heqing, arquitecto de producto de Tencent Cloud Workbuddy, señaló que, a medida que las capacidades de los modelos grandes mejoran de manera notable, la IA ha evolucionado desde las primeras etapas en las que solo asistía con funciones básicas como completar código, hasta poder completar tareas complejas de forma independiente. Dentro de eso, la capacidad central de los agentes personalizados se manifiesta en el soporte de tareas de extremo a extremo, la colaboración entre múltiples roles, un sistema de memoria por capas y la descomposición inteligente de tareas basada en contexto. Además, mediante la cooperación de múltiples agentes se logra el intercambio de datos entre tareas y el procesamiento en paralelo; en el nivel de seguridad, se adopta almacenamiento local de datos y un mecanismo de confirmación manual para operaciones clave para garantizar la seguridad de los datos. En el nivel de aplicación, WorkBuddy ya cubre escenarios típicos de oficina como selección de currículums, generación automática de PPT, análisis de datos e integración de informes semanales; y puede integrarse con sistemas como QiyWei mediante capacidades de integración empresarial para lograr una gestión unificada de tareas. En cuanto a la arquitectura técnica, hace énfasis en I+D full-stack, aislamiento del entorno de ejecución y control de permisos a nivel empresarial; admite despliegue local y en la nube. En el modelo de negocio, puede enfocarse en usuarios de empleo de I+D corporativa y puestos de oficina digital de alta frecuencia. En conjunto, WorkBuddy busca aumentar la eficiencia productiva de las empresas mediante agentes personalizados y capacidades de coordinación de múltiples tareas, y al reforzar su adaptabilidad y capacidad de implementación en escenarios empresariales complejos mediante la optimización continua de la capacidad de descomposición de tareas y la expansión del ecosistema.

Teddy, fundador de Biteye y XHunt, compartió principalmente contenidos sobre práctica de empleados digitales, aplicaciones de modelos grandes y temas de costo, configuración técnica y riesgos de seguridad, así como optimización de modos de colaboración. En el ámbito de la práctica de empleados digitales, para reducir las alucinaciones del modelo y la tasa de errores de código, es necesario introducir agentes de revisión de nivel más alto para hacer una segunda verificación de las piezas de código generadas por agentes de nivel inferior, formando un proceso obligatorio de revisión de código; dado que actualmente la escritura de código por agentes aún tiene ciertos bugs, se pueden reducir errores mediante la estandarización del proceso de desarrollo, el fortalecimiento del diseño de prompts y la adición de mecanismos de validación de múltiples rondas. Además, en escenarios de tipo operativo, es necesario controlar con especial atención la frecuencia de publicación, y en la medida de lo posible usar APIs del backend para una coordinación unificada y garantizar estabilidad. En entornos complejos de colaboración de equipos, Discord normalmente es más adecuado que Telegram para la colaboración de agentes y la distribución de tareas; y en la gestión de recursos se debe prestar especial atención al consumo de tokens. Asimismo, el sistema de agentes aún necesita que los humanos inviertan tiempo para entrenamiento, ajuste y corrección de comportamiento.

En cuanto a la instalación y despliegue de OpenClaw, Teddy sugiere que puede ejecutarse en computadoras o Mac Mini en desuso, con mayor control autónomo; el código completo es de código abierto, enfatiza capacidades de protección de privacidad y puede integrarse con un ecosistema internacional; sin embargo, su umbral de instalación y configuración es relativamente alto. Durante el uso hay que prestar especial atención al riesgo de modificación de la configuración del modelo y de los canales, para evitar que el sistema falle debido a una configuración inadecuada; si surgen problemas, se puede recurrir a herramientas como Grok y Gemini para apoyar la detección y resolución. Al mismo tiempo, a nivel de seguridad se deben mitigar riesgos como ataques por prompts e inyección maliciosa de skills. En recursos y costos también se necesita prestar atención al control del consumo de tokens para evitar costos de ejecución excesivos.

Zhao Xuan, socio del despacho de abogados ManKun, en su charla temática compartió tres grandes problemas legales y sus soluciones que los emprendedores deben considerar en la era de la IA. Primero, la envoltura organizativa, es decir, el “aislamiento falso” creado por una compañía de una sola persona (OPC): aunque en apariencia se forma una entidad independiente, en realidad resulta difícil aislar de manera genuina la responsabilidad y el riesgo; se necesita establecer un verdadero aislamiento físico y legal, incluyendo la introducción de socios en la arquitectura, el uso de una tarjeta de crédito bancaria corporativa exclusiva para el uso público, y la inserción en el contrato de un descargo de responsabilidad de IA y un tope de indemnización. Segundo, el problema de la propiedad de la titularidad de los activos centrales: no es que esforzarse signifique tener derechos; es necesario probar el propio poder de control, registrar de manera completa el proceso de creación y hacer constancia. Tercero, el riesgo sistémico de “desconectar el cable” que trae la dominación de la plataforma, incluyendo cláusulas de “gobernante supremo” y bloqueo tecnológico: separar los datos centrales y los servicios de terceros, planificar con anticipación las alternativas e introducir tecnologías descentralizadas.

En la mesa redonda titulada “Del entusiasmo a la lucidez: las necesidades reales de la IA y los falsos enunciados en la visión de los VC”, varios inversionistas compartieron aspectos como la etapa de desarrollo de la IA, los límites de aplicación y la lógica de inversión.

Géxie, socio fundador de Waterdrop Capital, cree que la IA todavía está en una etapa temprana de desarrollo; para alcanzar realmente una madurez en la experiencia del usuario y la fase en la que ampliamente se considere “significativa”, aún se necesita más tiempo. Señaló que la velocidad de iteración de la tecnología de IA es extremadamente rápida; confiar solo en el liderazgo técnico no permite formar un foso defensivo a largo plazo. Por ello, la inversión debería centrarse más en capacidades de capa base con irreemplazabilidad, como recursos centrales como la computación. En la capa de aplicación, puso como ejemplo que herramientas como “langosta” no son amigables para usuarios comunes de programación, pero en el futuro podrían ser más adecuadas si se encapsulan en aplicaciones de escenarios verticales como “médico de familia”, ofreciendo recomendaciones profesionales mediante datos de salud en tiempo real. También cree que del lado empresarial la IA puede sustituir herramientas de producción de información como informes de investigación, pero no puede sustituir el rol final de la toma de decisiones; solo puede existir como una herramienta auxiliar de decisión.

Tang Yi, socio fundador de Enlight Capital, dijo que actualmente es relativamente difícil formar oportunidades no consensuadas evidentes en el ámbito de inversiones en IA, y la rápida iteración de los modelos grandes podría seguir “nivelando” ventajas de las empresas en la capa de aplicación. Ve con buenos ojos la dirección de la combinación entre Web3 y AI, y considera que ambas representan productividades avanzadas en sus respectivos campos. Sobre herramientas de código abierto como OpenClaw, opina que equivalen a darle “manos” y “pies” a los modelos grandes, mejorando la capacidad de conexión con sistemas externos y aplicaciones sociales; pero al mismo tiempo también traen altos riesgos de seguridad y de datos, por lo que se requiere una configuración compleja y no es adecuado para usuarios comunes. En este momento, el camino más ideal es mejorar la facilidad de uso y la experiencia mediante encapsulación.

El inversionista de First Rule Ventures, Yinghao, partió desde la perspectiva del usuario y del producto, enfocándose en oportunidades de aplicación en industrias de aguas profundas, creación de IA, y la combinación de software y hardware, y evaluando el potencial del proyecto mediante el comportamiento del usuario y los datos de interacción. Señaló que incluso si no se prueba personalmente todos los nuevos productos de IA emergentes, no significa perderse las tendencias clave, porque las capacidades tecnológicas a menudo se modularizan rápidamente e integran en el sistema existente de productos.

En comparación con un solo producto, le interesan más tres cambios estructurales a largo plazo: primero, si la interacción con IA está formando un nuevo contenedor de memoria, de modo que el conocimiento y el trabajo del usuario se consoliden en algún sistema; segundo, si esa memoria tiene capacidad de migración entre productos o si se irá vinculando gradualmente a un solo producto, generando así altos costos de migración y “encierro” de experiencia; tercero, si aparecerán nuevos superportales que se conviertan en el nodo central para la interacción con IA y la distribución de tráfico.

Zhao Xuan, socio del despacho de abogados ManKun, dijo que en el uso de productos de IA, usa más herramientas para el procesamiento de datos, la recuperación y el análisis, y espera que en el futuro aparezcan más productos integrados para consolidar estas capacidades. También recalcó que, en el emprendimiento de IA, lo más importante es evitar un gran fracaso único; recomendó que las empresas presten atención temprana a diseños legales clave como cumplimiento de datos, cláusulas de arbitraje y cláusulas de exención de responsabilidad, para lograr en la mayor medida posible el aislamiento del riesgo y la protección de la responsabilidad cuando surjan riesgos incontrolables, evitando que el colapso por un solo punto lleve a que toda la empresa se venga abajo. Además, también previó que en el futuro los agentes se convertirán en el principal sujeto de ejecución económica: responsables de obtención de datos, compra de información, ejecución de estrategias e incluso transacciones entre sistemas, con lo cual se formarán actividades económicas y sistemas de pagos de máquina a máquina.

En una discusión en mesa redonda con el tema “N formas de abrir la IA: hablemos sobre las oportunidades de los innovadores”, varios invitados exploraron los cambios que está generando la IA desde diferentes perspectivas. Zeno, CEO de Matrices Intelligence, propuso que los usuarios pueden conectar múltiples dispositivos modificando por sí mismos scripts o plugins, logrando sincronización de memoria de múltiples dispositivos y consistencia de estado, de modo que la información no se pierda y las tareas no se interrumpan; además, pueden incorporar mecanismos diarios de depuración/revisión para mantener la estabilidad del sistema. En comparación con usar herramientas listas, una personalización profunda basada en capacidades o permisos a nivel empresarial es más eficiente, más libre y más fácil de crear flujos de trabajo que se ajusten a los hábitos individuales. De cara al futuro, cree que la IA se convertirá en un portal unificado: los usuarios solo necesitan interactuar mediante un “cerebro central” de IA para llamar a diversas herramientas y sistemas y completar todas las tareas. Con el aumento de uso, la IA acumulará la memoria, preferencias y flujos de trabajo del usuario, formando un efecto de volante de datos y capacidades: se irá volviendo cada vez más “comprensiva” con el usuario, y cada vez más eficiente. Con esta tendencia, al configurar sistemas de IA y costos de suscripción de pago, las personas podrían obtener una mejora de productividad muy superior a la de la mano de obra tradicional, y así ampliar significativamente la brecha de eficiencia entre personas.

0xOlivia, cofundadora de ClawFirm.dev, reveló que en el uso real de la IA aún existen problemas como inestabilidad del sistema y fragmentación de capacidades de memoria y automatización, y que los usuarios necesitan ir ensamblando continuamente diversas herramientas y scripts, como si armara piezas de LEGO. Para usuarios que no son de nivel avanzado, adoptar directamente plataformas comerciales maduras y combinarlas con aplicaciones oficiales y capacidades de iteración continua suele ser más estable y eficiente que sistemas auto-construidos altamente fragmentados. Al mismo tiempo, introducir componentes de código abierto en exceso puede mejorar aún más capacidades de procesamiento de datos y generación de contenido. Ella enfatizó que la limitación principal de la IA no está en la capacidad del modelo en sí, sino en que el modo de uso de ingeniería aún no está completamente alineado con la capacidad del modelo; por eso todavía existe un enorme espacio de optimización y aterrizaje. En el futuro, a medida que las capacidades de los modelos grandes se refuercen rápidamente, los escenarios de aplicación de la IA irán cubriendo progresivamente todos los aspectos del trabajo y la vida, y se fusionarán continuamente con diferentes formas de productos.

Teddy, fundador de Biteye/XHunt, al hablar sobre empleados digitales de IA, señaló que se puede conectar la IA a sistemas internos mediante APIs o interfaces de automatización para que asuma tareas de ejecución concretas como generación de código, implementación de requisitos y procesamiento de contenido; mientras que los humanos se enfocan en el diseño de producto y la definición de requisitos, conservando así el poder de decisión clave. Este modo de colaboración, más estable y escalable, no solo puede aumentar la eficiencia total de desarrollo, sino también reducir significativamente la tasa de errores, haciendo que la IA se parezca más a un equipo externo subcontratable y gestionable, en lugar de una única herramienta. También destacó que cualquier trabajo que sea muy de proceso y repetitivo tiene la posibilidad de ser modificado o reemplazado por IA; incluso si el efecto es inestable al principio, a largo plazo se irá optimizando continuamente y reforzando la productividad. En el ámbito de tareas complejas y decisiones de gestión, la IA ya ha empezado a mostrar capacidades auxiliares evidentes y se está infiltrando en escenarios de negocio de nivel más alto.

El ingeniero senior de desarrollo de aplicaciones de IA, Douge, agregó que todos reconocen en general la tendencia de externalizar a la IA, automatizar y colaborar mediante herramientas; y desde la perspectiva empresarial, se necesita prestar especial atención a la seguridad, la gestión de permisos, los mecanismos de colaboración de empleados y la consolidación de activos. Actualmente existen múltiples marcos de desarrollo de IA y ecosistemas de herramientas en el mercado; cada uno se enfoca en direcciones como la levedad, low-code, alta integración y control de seguridad. Las empresas al elegir necesitan equilibrar entre flexibilidad y capacidad de control, y diseñar la arquitectura en función de escenarios de negocio reales. Pero comprender y aterrizar de verdad estos sistemas de IA no se puede quedar solo en el plano teórico; se necesita invertir costos reales de implementación y uso. Enfatizó que la IA está acelerando la reconfiguración de los flujos de trabajo y de la estructura organizativa; tanto para personas como para empresas, deben adaptarse rápidamente a este cambio mediante aprendizaje continuo y aplicación de herramientas para mejorar la eficiencia, de lo contrario es fácil quedar atrás debido a la velocidad de iteración tecnológica.